[发明专利]一种船舶运动轨迹实时预测方法

说明书

本发明公开了一种船舶运动轨迹实时预测方法，可以解决AIS数据的刷新率及其通信方式导致的延迟性问题，根据目标船舶在上一时段的AIS观测数据，对其未来时段内的运动轨迹进行实时预测，从而弥补AIS数据延迟的缺点。具体地，根据船舶运动学模型，对非结构化的AIS数据预处理，包括异常值滤除和插值补全，生成一串结构化、连续的轨迹数据；构建一种长短时记忆LSTM网络结构模型，以上一时段预处理后的AIS数据为输入，通过对船舶运动轨迹的训练学习，输出对船舶未来运动轨迹的预测。本发明可以有效提高AIS数据的实时性，也适用于船舶导航中的安全预警。

技术领域

本发明属于船舶导航定位和海事信息安全领域，更具体地，涉及一种基于AIS数据的船舶运动轨迹实时预测方法。

背景技术

船舶自动识别系统(Automatic Identification System，AIS)能够实现VHF覆盖范围以内的船与岸、船与船之间关于船位、航速、船名、MMSI等重要信息的自动交换，作为一种海事导助航系统，可以有效减少船舶碰撞事故。由于本身开放式数据传输特点，AIS接收到的周围船舶信息总是存在一定延时性。

公告号为CN111027459A的专利公开了一种船舶轨迹预测的方法，利用遥感卫星预设时间频率采集相应区域图像并建立基于遥感图像的船舶运动轨迹预测模型。公告号为CN107170295A的专利公开了一种船舶失控运动轨迹预测及概率风险分析方法，适用于短时间内无动力的船舶轨迹预测研究。公告号CN111565430A的专利提出一种基于历史轨迹数据的置信度模型来预测船舶轨迹。公告号CN109856625A的专利公布一种基于多源数据融合的船舶位置识别方法，将雷达和AIS数据转换至统一时间和空间参考系，并使用卡尔曼滤波算法正对二者融合以及船舶轨迹预测。然而上述方法均不能有效降低AIS数据延时性对海事安全预警带来的影响。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种基于AIS数据的船舶运动轨迹实时预测方法，根据先前时段内船舶轨迹的时间序列，预测船舶在未来时段内的运动轨迹，有效降低AIS数据延时性对海事安全预警带来的影响。

为实现上述目的，本发明提供了一种基于AIS数据的船舶运动轨迹实时预测方法，包括：

(1)从AIS历史数据中提取船舶特征信息，根据船舶特征信息得到船舶运动轨迹，船舶运动轨迹包括船舶运动信息的初始轨迹时间序列，将船舶运动信息的初始轨迹时间序列进行结构化处理，消除AIS异常轨迹，并转换成连续稳定的目标轨迹时间序列作为LSTM网络模型输入；

(2)构建以LSTM为核心的自定义LSTM神经网络模型，通过结构化处理后的目标轨迹时间序列对神经网络模型进行训练学习，以通过训练后的神经网络模型预测目标船舶在未来时段内的运动轨迹。

在一些可选的实施方案中，所述船舶特征信息包括船舶方位的经纬度坐标、船舶的航向、船舶的航度、船舶的船型及船舶的吨位。

在一些可选的实施方案中，步骤(1)包括：

(1.1)从AIS历史数据中提取船舶特征信息，根据船舶特征信息得到船舶运动轨迹，其中，船舶运动轨迹包括船舶运动信息的初始轨迹时间序列；

(1.2)对初始轨迹时间序列中的数据进行异常过滤，其中，异常过滤包括对初始轨迹时间序列中的误差数据和重复数据进行过滤，误差数据过滤包括去除因为定位误差导致的轨迹点，重复数据过滤包括对长时间停止运行的轨迹点进行合并；

(1.3)对过滤后的初始轨迹时间序列中的数据进行插值补全，其中，插值补全包括将过滤后的初始轨迹时间序列中的不连续的或者丢失的AIS数据通过插值方式转换成具有固定时间间隔周期的目标轨迹时间序列。

在一些可选的实施方案中，步骤(1.2)包括：